摘要：
1.特徵選擇的功能
3.過濾特徵選擇（filter feature select）
4.嵌入特徵選擇（embeding feature select）
內容：1.特徵選擇的功能
減少特徵數量、降維，使模型泛化能力更強，減少過擬合；
增強對特徵和特徵值之間的理解
特徵選擇的目標是尋找最優特徵子集。特徵選擇能剔除不相關(irrelevant)或冗餘(redundant )的特徵
3.過濾特徵選擇（filter feature select）
4.嵌入特徵選擇（embeding feature select）
參考：特徵工程】特徵選擇與特徵學習/
特徵選擇方法總結
1 方差篩選法 移除低方差的特徵。低方差說明特徵比較均勻，區分度低。如，一列數值全為1，則這列數值的方差為0。這一列特徵對於訓練模型是沒有意義的。使用方差篩選法的 from sklearn.feature selection import variancethreshold 6個樣本，3維的特徵向量...
特徵選擇 常見方法總結
特徵選擇方法 目的 減少特徵數量 降維，使模型泛化能力更強，減少過擬合增強對特徵和特徵值之間的理解 方法 一 方差選擇法。from sklearn.feature selection import variancethreshold a.特徵值需為離散型變數，若是連續型，需要連續變數離散化。b.最簡...
特徵選擇方法
特徵獲取過程 特徵獲取定義的角度 特徵獲取要解決的兩個問題 啟發式方法為一種近似演算法，具有很強的主觀傾向。隨機方法是一種相對較新的方法，細分為完全隨機方法和概率隨機方法兩種。總的說來，上述三類中只有窮舉法能保證最優，但耗時並且計算複雜度很高，後兩者以效能為代價換取簡單 快速的實現，但不能保證最優。...